เจาะลึก Intent-Longbox v0.2.1: ระบบแปลงภาพปกหนังสือเป็นการขาย
เรียนรู้เบื้องหลังโปรเจกต์ Intent-Longbox v0.2.1 ระบบช่วยแปลงภาพถ่ายหนังสือการ์ตูนเป็นรายการขายบน Shopify โดยใช้บาร์โค้ดและ LLM Re-rank

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- intent-longbox v0.2.1 พัฒนาถึง 11 คอมมิต สิ้นสุดวันที่ 2026-09-01
- ใช้บาร์โค้ด UPC-A 12 หลักบวก 5 หลักแยกเล่มและเวอร์ชัน
- LLM ทำหน้าที่เป็นตัวจัดอันดับ ไม่ใช่แหล่งความจริงหลัก
- ผลิตภัณฑ์บน Shopify จะถูกบันทึกเป็นร่าง (Draft) ทุกครั้ง
การระบุหนังสือการ์ตูนเก่าจากภาพถ่ายบนมือถือไม่ใช่เรื่องง่าย เนื่องจากหนังสือพิมพ์ครั้งแรกและฉบับพิมพ์ซ้ำมักใช้ภาพหน้าปกเดียวกันแต่มีมูลค่าทางเศรษฐกิจที่แตกต่างกันอย่างสิ้นเชิง นี่คือโจทย์สำคัญของ intent-longbox ระบบแปลงภาพถ่ายหนังสือเป็นการ์ดรายการขายที่สิ้นสุดการพัฒนาเวอร์ชัน v0.2.1 เมื่อวันที่ 1 กันยายน 2026 หลังผ่านการคอมมิต 11 ครั้ง
ผลการวิจัยเบื้องต้นระบุชัดเจนว่าวิสัยทัศน์ของ LLM เพียงอย่างเดียวไม่เพียงพอต่อการระบุฉบับและเวอร์ชันที่ถูกต้อง ระบบที่ใช้งานได้จริงในปัจจุบันจึงต้องใช้การดึงข้อมูลความคล้ายคลึงของภาพเทียบกับคลังข้อมูลอ้างอิง โดยให้โมเดลทำหน้าที่จัดอันดับเท่านั้น

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ขั้นตอนการทำงานของระบบจึงเริ่มจากส่วนที่แม่นยำก่อนตามลำดับดังนี้:
- ถอดรหัสบาร์โค้ด
- ดึงข้อมูลผู้สมัคร (Candidate Retrieval)
- ประเมินและจัดอันดับใหม่ด้วย LLM
- ยืนยันโดยมนุษย์
- ประเมินสภาพและราคา
- สร้างร่างบน Shopify
ไม่มีสินค้าใดถูกเผยแพร่สู่สาธารณะโดยปราศจากการตรวจสอบจากมนุษย์ โดยข้อมูลผลิตภัณฑ์จะถูกส่งไปยัง Shopify ในสถานะร่าง (Draft) เพื่อให้เจ้าของร้านตรวจสอบก่อน ซึ่งร้านนำร่องในการทดสอบครั้งนี้คือ Gotham City Limit
ส่วนหน้าของกระบวนการคือตัวแยกวิเคราะห์บาร์โค้ดที่ไม่มีโมเดลปัญญาประดิษฐ์เข้ามาเกี่ยวข้อง หนังสือการ์ตูนที่พิมพ์หลังปี 1990 จะมีรหัส UPC-A แบบ 12 หลักเพื่อระบุซีรีส์ และมีรหัสเสริมอีก 5 หลักเพื่อเข้ารหัสหมายเลขเล่ม ปกย่อย และการพิมพ์
"A 9.4 is a claim a phone photo does not entitle anyone to make."
intent-longbox architecture
การออกแบบฐานข้อมูลของโปรเจกต์นี้ให้ความสำคัญกับการตรวจสอบย้อนกลับ (Audit Trail) โดยตารางทุกตารางยกเว้นสถานะของเซสชันการสแกนจะถูกออกแบบมาให้อ่านได้อย่างเดียว (Append-only) เพื่อป้องกันความผิดพลาดจากการแก้ไขข้อมูลโดยตรงผ่านสคริปต์ย้ายข้อมูลหรือการทำงานฉุกเฉินตอนดึก นอกจากนี้ระบบยังตัดเกรดตัวเลขความแม่นยำออกไปอย่างสิ้นเชิง โดยใช้ช่วงเกรดตัวอักษรแทน เนื่องจากภาพถ่ายจากมือถือไม่เพียงพอที่จะยืนยันสภาพหนังสือระดับเกรดตัวเลขได้
ในส่วนของการตรวจสอบความถูกต้อง ระบบกำหนดให้ LLM ต้องส่งรายงานหลักฐานที่มีโครงสร้างชัดเจน เช่น หมายเลขเล่มที่พิมพ์บนปก ข้อความกล่องราคา และยุคของโลโก้สำนักพิมพ์ เพื่อนำไปเทียบเคียงกับข้อมูลเมทาดาทาของตัวเลือกอันดับหนึ่ง หากพบความขัดแย้ง ระบบจะตัดสิทธิ์เส้นทางลัดของโมเดลทันที
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น